基于SPOT/VGT数据的中国北方耕地物候提取研究

耕地物候的空间格局综合反映了作物种植在环境因子及人类活动双重作用下的空间差异性,因此耕地物候识别成为农业遥感应用的热点之一。研究利用SPOT的植被指数产品开展我国北方耕地作物种植制度空间分布的遥感识别并分析耕地种植制度空间分布特征。首先使用非对称高斯函数拟合法对时间序列植被指数进行重构,然后采用多项式和谐波函数拟合数据来确定耕地的生长季个数,最后通过比例阈值法提取耕地的生长季开始期和结束期。在上述过程中结合先验知识引入波峰阈值并通过对NDVI时间序列数据进行"掐头去尾"处理来保证耕地种植制度识别以及物候信息获取的准确性。基于SPOT/VGT数据对我国北方15省的耕地种植制度进行了识别,并在此基础上分别提取了不同生长季的耕地物候信息并分析了其空间格局特征。结果表明,适当引入先验知识有利于正确识别耕地种植制度和准确获取耕地物候信息,2005年我国北方耕地的种植制度以一年一熟为主,一年二熟制主要分布在北纬40°以南的平原地区。其中第一生长季的空间格局差异比第二生长季更加明显,同时生长季结束期分布的时间范围比开始期更为集中。总之我国北方耕地物候的空间格局与种植制度密切相关,受到自然资源和人类活动的共同影响。     

我国典型植被群落的NDVI动态变化

随着全球气候变暖,物候正在发生显著变化。植物物候变化是植物对气候与环境变化最敏感且易观测的指示计,气候变化对植物物候的影响及其响应研究成为全球变化研究的热点问题之一。传统的物候观测方法是野外观测为基础的目视观测法,遥感等新技术的发展,为物候监测、研究提供了新的手段,归一化差值植被指数(NDVI)正日益成为植被对气候响应研究的重要手段。本文基于MODIS16天合成NDVI产品,提取了全国34种典型植被群落的NDVI动态变化曲线,分析了其进行植物物候监测的能力。研究结果表明:1)自然植被群落的NDVI年内变化特征明显,大致可分为三种类型:第一种植被群落的年内NDVI波动较大,第二种植被群落的年内NDVI波动不大,但月内变化较为剧烈,第三种植被群落的年内NDVI变化曲线与第一种类型类似,但幅度较小;2)典型植被群落的NDVI动态变化曲线符合其实际生长情况。     

基于决策树理论的岩矿信息识别方法研究

对研究区ALI数据进行了图像镶嵌、定标与反射率计算,通过PPI运算与N-D散点图三维分析,获取了研究区岩矿样本波谱曲线,并采用波谱比对技术对样本岩矿进行了分析。在此基础上,采用决策树分类方法提取了研究区岩矿信息,研究发现:通过MNF变换,样本区的各类岩矿波谱曲线特征差异明显且远远大于MNF变换前的波谱曲线特征差异,而基于此的决策树分类识别方法能够较为准确地识别各类岩矿。     

NDVI在农作物监测中的研究与应用

归一化差值植被指数(normalized difference vegetation index,NDVI)是农作物监测中应用最为广泛的光谱参数之一,在农作物生产与管理中具有重要的实际指导意义.该文就NDVI在作物产量、生物量、收获指数、叶面积指数、营养状况、作物冻害等方面的研究与应用作一综述,并总结当前研究中存在的问题与不足,提出了NDVI在今后作物监测中进一步的研究重点.     

基于最小距离法的RADARSAT-2遥感数据旱地作物识别

利用雷达遥感技术进行作物识别是当前作物遥感监测的研究热点之一,但利用雷达遥感技术进行旱地作物识别的相关研究较少,该文以RADARSAT 2雷达遥感数据对两种旱地作物玉米和棉花进行识别。以河北省枣强县为研究区,对其区域内的玉米和棉花进行识别。首先分析了与卫星过顶时刻同步采集的作物参数与后向散射系数之间的相关性发现,在植株高度、生物量、作物含水量、叶面积指数这四个作物参数中,植株高度与后向散射系数的相关性最大,其次是作物含水量;同时,通过最小距离法应用多时相、多极化雷达遥感数据进行作物识别,其精度可达到85%,通过与资源三号光学遥感数据结合,其作物识别精度提高到了93%。研究结果表明,雷达遥感数据应用于旱地作物识别是可行的,雷达遥感数据与光学遥感数据的结合能提高旱地作物识别的精度。该研究为应用雷达遥感数据进行旱地作物识别提供了参考。     

植被物候特征的遥感提取与农业应用综述

多时相遥感数据因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握植被/作物空间格局提供了新的科学技术手段.通过对相关研究进展的回顾,该文系统归纳了植被物候特征遥感提取的关键步骤.首先从数据获取与处理方面,整理了目前常用的NDVI数据集以及预处理方法等相关背景信息;其次从提取原理、假设条件以及适用性等角度,比较了目前用于时序遥感数据重构和特征提取的常用技术方法;在此基础上,归纳了基于时序遥感数据拟合曲线提取的植被物候特征及其农业内涵意义;最后,结合目前的农业应用,探讨了其在识别作物物候期、确定种植制度以及提高遥感估产精度等专业领域的应用方向,以期为区域尺度上生态管理与农业生产提供科学支持.     

基于NDVI时序数据的华北地区耕地物候参数时空变化特征

[目的]耕地物候作为农业生态系统的重要特征之一,是进行农作物长势监测与估产、田间管理、农作物合理布局等的重要依据。利用遥感方法提取大区域尺度耕地物候参数和种植制度的时空变化特征,有助于从整体上掌握农业资源的空间分布情况,为农业生产决策和区域粮食安全评价提供服务。[方法]文章基于1999年和2013年的SPOT/VGT NDVI逐旬时间序列数据,采用TIMESAT软件集成的非对称高斯函数拟合法对数据进行平滑重构,通过比例阈值法提取了华北地区耕地物候参数(生长季开始期和结束期),分析其时空分布特征,并依据年内NDVI变化曲线峰值数目来确定耕地的生长季个数,识别耕地种植制度。[结果]华北地区作物生长开始期和结束期都存在明显的空间差异,15年来河北北部、北京、天津等地区,第一季作物返青/出苗期变化不大。而河南南部和中部地区,2013年第二季作物出苗期明显提前,由1999年6月下旬7月上旬,提前至6月上旬。我国华北地区种植制度仍以一年两熟制为主,华北地区北部受热量资源制约,仍旧保持一年一熟制不变。与1999年相比,华北地区2013年两熟制种植面积下降了21.1%,而一熟制种植面积增加了38.7%。[结论]华北地区耕地物候的时空变化与种植制度密切相关,同时也受到自然资源和人类活动的共同影响。     

基于谱分解与信息融合的生物礁有利相带识别技术

通过讨论连续小波变换和RGB融合技术的原理,提出将地震数据通过谱分解变换到频率域,提取振幅谱和相位谱属性,并利用RGB融合得到的综合属性识别生物礁有利相带。结合研究区实际资料处理,结果表明:综合属性具有较高的图像显示清晰度,特征明显、细节丰富,能更清楚地刻画生物礁有利相带的边界。     

基于多源遥感数据融合的运城盆地夏玉米估产研究

[目的]准确估算区域尺度作物产量是确保粮食安全,发展生态、安全农业的关键。[方法]文章以山西省重要的粮食产区——运城盆地为例,利用2020年空间分辨率为10m的Sentinel-2A数据和时间分辨率为1d的MODIS数据,采用STNLFFM (Spatial and Temporal Nonlocal Filter based Fusion Model)算法并结合光能利用率模型进行夏玉米NPP (Net Primary Production)模拟和产量估测。[结果]（1）融合后的NDVI数据能较好地继承Sentinel-2A NDVI数据的空间细节,同时能够较好地表达较小地物之间空间差异;（2）STNLFFM NDVI时序曲线能准确地反映夏玉米种植时期的NDVI变化趋势和局部突变信息,比MODIS NDVI时序曲线更符合夏玉米实际生长状况。（3）运城盆地夏玉米种植区累积NPP均值为667.42 gC/m2,其中西北部的涑水河冲湖积平原,受人类活动影响显著,灌溉条件较好,NPP累积量较高,为700～900 gC/m2。（4）东北部山区和北部台塬区受地形破碎程度较高影响,NPP累积量小于5...     

基于高光谱曲线的马铃薯与其他主要作物光谱差异性分析

[目的]文章以马铃薯关键生长期——结薯期为测量时点,以马铃薯和玉米、大豆、水稻为研究对象,开展高光谱曲线特征差异性研究。[方法]为更好地描述马铃薯与其他作物的光谱差异,创建高光谱反射率差异性指数、高光谱一阶导数差异性指数、高光谱红边幅值差异性指数、高光谱曲率差异性指数及高光谱植被指数差异性指数。[结果](1)马铃薯与玉米、大豆、水稻3种作物光谱曲线具有明显差异,马铃薯与玉米的反射率值在480nm附近蓝色波段位置差异最显著,差异性指数值为67.866%,与大豆、水稻的最大差异性指数值分别为49.068%、57.559%,均位于550nm附近绿色波峰位置;(2)作物光谱曲线经一阶导数变换运算,马铃薯与其他作物间的光谱差异被显著放大,在近红外波段放大程度最显著;(3)马铃薯与玉米、大豆、水稻高光谱曲率差异性指数最大值均位于波长750nm附近,差异性指数值分别为78.365%、63.471%、80.882%;(4)常用植被指数中,比值植被指数、增强型植被指数可显著区分马铃薯与玉米、大豆、水稻。[结论]差异性分析结果为农作物空间分布遥感识别提供了技术支撑。     

辽宁省植被NDVI对气候因子的滞后响应研究

目的 分析植被对气候因子的滞后响应,为区域应对气候变化、防灾减灾提供科学理论依据。方法 文章以辽宁省为研究区,利用1998—2013年SPOT/VEGETATION逐旬NDVI数据和气象数据,分析研究区植被NDVI生长变化特点,对植被NDVI与降水、NDVI与温度的滞后关系进行研究,并将另一自变量的影响作为常量,揭示植被生长季不同时间尺度NDVI对降水、温度的滞后天数及其空间分布规律,并与传统分析方法进行比较。结果 5月、6月、7月、8月、9月植被NDVI对降水的滞后天数分别为70d、10d、40d、70d、20d,其中6月和9月植被对降水的响应相较其他时段更为敏感;5月、6月、8月植被NDVI分别与同期、累积10d和同期温度的偏相关关系最大;5月、6月、7月降水对植被的影响均大于温度,8月和9月植被受降水和温度的共同影响;生长季植被对降水的滞后天数在辽宁省西部和东南部等地区较长,对温度的滞后天数在辽宁省北部地区较长。结论 偏相关分析比相关分析更能准确地表达NDVI与气候因子的关系。     

Understanding the impacts of ‘Grain for Green’ land management practice on land greening dynamics over the Loess Plateau of China

Land greening in China is regarded as contributing a great deal to greening of the Earth. The phenomenon is mainly attributed to climate change, arising atmospheric CO₂ and ‘Grain for Green’ (GFG) land management policies. However, limited knowledge is known how much land greening is from contributions of the GFG practice. Therefore, the study took the typical region of the GFG practice, the Loess Plateau, as the study area, and used 1982–2015 satellite-observed GIMMS3g normalized difference vegetation index (NDVI) data, ERA-Interim climatic variables (precipitation, temperature and solar radiation) and atmospheric CO₂ concentration data with the help of a developed TPRC-based NDVI model to derive GFG-induced NDVI after 1999. Furthermore, this study tracked the spatial-temporal dynamics of GFG-induced NDVI and assessed contributions of the GFG practice to regional vegetation changes. Results showed that satellite-observed NDVI and TPRC-based NDVI both exhibited an increasing spatial pattern from the northwestern to southeastern Loess Plateau, but their greening trends were separately 0.0022 and 0.0009 per year in 1982–2015 (p < 0.05). Note that the satellite-observed greening trend was much steeper with a slope of 0.0056 per year after 2006 (p < 0.05). The subsequent analyses documented that GFG-induced land greening were largely responsible for the steep trend. In space, evident greening patterns began to be observed in the central Loess Plateau from 2006 to 2008, afterwards expanded towards eastern and southwestern Loess Plateau. In 2011–2015, the increase magnitude of GFG-induced land greening in the Loess Plateau averagely accounted for 8.5 % in comparison to estimated TPRC-based NDVI, but in six natural zones were various, ranging from 3.2%–15.7%. In some regions of central Loess Plateau, GFG-induced NDVI contributed even more than 20 % to vegetation increase. This study highlights that land use management contributes more to land greening dynamics over the Loess Plateau compared to climate change and arising atmospheric CO₂ concentration. These findings likely provide some valuable information for curbing or enhancing specific-location vegetation changes in future regional land management and planning.     

结合Landsat 8和GF 1数据的冬小麦种植空间分布提取

[目的]为探讨多源中等分辨率数据在冬小麦种植时空分布上的应用。[方法]利用2017年冬小麦关键生育期的Landsat8 OLI(抽穗期)和时间序列的GF-1 WFV(2016—2017生育期)数据,在分析各个行政分区的地表覆盖状况、作物结构和地块破碎度差别的基础上,将行政区划分为3种类型不同的提取单元并建立了适合于各自分区的提取模型:(1)利用关键生育期的OLI数据,采用监督分类—神经网络方法提取结构单一、地块齐整的怀远县种植区;(2)基于WFV数据构建五河县及城区种植区的冬小麦全生育期NDVI时间序列曲线,根据NDVI的时间特征构建冬小麦提取的决策树分类模型提取结构较复杂、混合像元明显的五河县及城区种植区;(3)在对关键生育期OLI-NDVI数据合理分割的基础上,采用最大似然的面向对象分类法获取种植密集、地块破碎的固镇县种植区。[结果]提取结果采用混淆矩阵和当年度统计数据相结合的方法进行精度评价,结果表明:(1)怀远县提取出的冬小麦提取总体精度为97.91%,五河县及城区提取出的精度为97.62%,固镇县的精度为97.42%;(2)全区域冬小麦提取的总体精度为86.82%,Kappa系数为0.84。与当年度统计数据对比的结果表明:2017年蚌埠市的准确提取面积精度可达97.91%,提取面积数据小于蚌埠市统计年鉴提供的统计数据,与调查的实际种植地块基本一致。[结论]采用不同方法提取不同空间分布特征的冬小麦种植面积具有较好的精度,该方法可以为市域冬小麦面积提取提供技术参考。     

Grassland conservation programs,vegetation rehabilitation and spatial dependency in Inner Mongolia,China

Three nationwide grassland conservation programs have been implemented in Inner Mongolia since 2000. All aim to relieve grazing pressure, hence to reverse the grassland degradation trend. The different timings and spatial configurations of these programs present an unusual setting of quasi-natural policy experiment for exploring their effectiveness and interactions with other drivers on a regional scale. In this paper, a spatial panel model was developed to examine the effects of the programs on vegetation rehabilitation, meanwhile to detect the spatial interdependent relationship among grassland management units occurring in the process of program implementation. The methodology used a panel dataset of SPOT-VEGETATION NDVI data, multi-station surface meteorological observations, and socio-economic statistics across 88 counties from 2000 to 2013. The modeling results suggested that these programs in general significantly facilitated grassland vegetation rehabilitation. Enrollment in the Beijing–Tianjin Wind/Sand Source Control Program and in the Grazing Withdrawal Program was predicted to increase the normalized difference vegetation index (NDVI) value by an amount equivalent to the effects of 136 mm and 56 mm additional annual precipitation, respectively. The positive and significant coefficient of spatial lag term indicated that there was a synergistic relationship in the vegetation variations of neighboring counties, and a unit increase in the weighted sum of all neighboring counties’ NDVI values could approximately increase a target county's NDVI value by 0.2, after controlling for other factors’ effects. Certain spatial spillover mechanisms may function to generate this effect, such as benign competition, mutual cooperation and coordination, or sharing of successful experiences among neighboring counties in carrying out the programs. Nevertheless, the actual mechanisms need to be confirmed by field surveys in future studies.     

基于多尺度分割的面向对象分类方法提取冬小麦种植面积

应用面向对象方法,对遥感图像进行多尺度分割,即首先进行大尺度分割,结合NDVI提取植被信息,将图像分为植被和非植被;然后在植被信息类内再进行小尺度分割,利用NDVI并融入几何特征进一步提取冬小麦种植面积及空间分布。在遥感分类的基础上,将线性数据按宽度缓冲,从分类结果中扣除。将扣除结果与地面样方实测数据对比分析。结果表明,监测结果减轻了传统分类方法的椒盐效应,监测结果与验证样方数据比较精度为94.06%。     

乌蒙山区NDVI时空演变及驱动力研究

乌蒙山区地处中国西南部的喀斯特地貌区,开展植被变化相关研究有利于生态保护和区域经济发展。基于归一化植被指数(NDVI)数据,运用一元线性回归模型监测NDVI变化趋势及显著性,应用地理加权回归模型(GWR)分析NDVI时空变化驱动机制。研究表明:2000—2015年乌蒙山区NDVI整体呈增长趋势,变率为0.007 1/yr;植被环境改善是空间分布的主体,68%的区域发生极显著改善,28.62%的区域呈不显著或显著改善趋势,3.38%的区域发生不显著退化;NDVI空间变化与驱动因子交互作用呈现出不同的空间分异特征,驱动因子按作用强弱排序为气温、高程、坡度、人类活动和降水。针对NDVI变化趋势,建议坚持NDVI改善区的自然因素动态监测,在NDVI退化区因地制宜调控人类活动影响。